1.　はじめに

社会関係資本とは，人と人との信頼や互酬性の規範，ネットワークと言った人と人の関係に着目した概念である[1]．多数の人との関わりあいによって生活が成り立つ現代人にとって，社会関係資本はその人の生活の質（幸福度）を大きく左右しうる重要な要素であり，注目されてきている．このため，経済協力開発機構（OECD）を中心に，社会関係資本に関わる概念および測定するためのフレームワークが提案されている．また日本でも2000年代から社会関係資本を政策に取り込もうとする動きが始まっており，内閣府[2]，農林水産省[3]，文部科学省[4]などにおいて，調査検討がなされている．

一般的に社会関係資本の測定は，被計測者に対する紙面やインターネット（ウェブ）を介したアンケートによって行われる．そのため測定に必要なコスト，すなわち調査員によるアンケート文面の配布，回収，集計，および被計測者による回答が必要で測定コストが高いという問題がある．

一方，人々の地域における消費行動パターンは人と人との関係や人と地域の関係を反映していると予想され，社会関係資本の測定に活用できると思われる．特に地域の商店街の活性化を目的とした前売りチケット制の飲み歩き・食べ歩きイベント（以下「街バル」）[5], [6]では，参加者が地域限定のクーポンを購入して複数店舗を飲み歩く．近年では従来用いられていた管理負荷の高い紙のクーポンに代わって電子クーポン[7], [8]が利用され始めている．イベントの雰囲気に即してユーザおよび飲食店に受け入れやすいユーザインタフェースを備えたアプリケーションを試みた例[9]も出始めており，地域の人々の購買データを低コストで収集するのに適している．そこで街バルイベントにおける購買行動データを社会関係資本の測定に活用することを考える．

そこで，本稿では東京都国分寺市で行われた街バルイベント「ぶんじバル2019」における電子クーポンの利用履歴と，OECD提唱のフレームワーク[10]に基づくアンケート調査により測定される社会関係資本との関係を分析し，クーポン利用履歴からの社会関係資本の関連を分析し，クーポン利用履歴からの社会関係資本の推定可能性を検討する．

2.　社会関係資本

2.1　社会関係資本の概要

社会関係資本には様々な側面があり，社会学者を中心にその定義が議論されている．どのような役割から社会関係資本を捉えようとするかによって重視する側面が異なるが，おおむね人と人との関係や，それがもたらす何らかのメリットに着目したものであり，信頼や規範，ネットワークといったものを指す概念と言える．社会関係資本をモデル化および定量化し，経済政策へ生かそうとする試みが各国で行われている[11], [12]．

社会関係資本を「資本」として捉えた場合，その形成過程では通常の資本と同じような投資行動があると想定できる．先行研究ではその蓄積過程のモデル化が試みられており，年齢などの個人の属性や地域の経済・社会環境が個人の社会関係資本の形成に影響を与える要因として指摘されている[13]．

一方，社会関係資本の定量化についてOECDによる社会関係資本の計測の取り組みが知られている[10]．OECDでは，社会関係資本を細分化し，「その活動やアウトカムが個人的なものか集合的なものか」および「ネットワーク構造やそれを維持するための活動かネットワークによって生み出される資源か」という2つの評価軸から表1に示す4つの区分に分類している．

• (1) 個人的ネットワーク（Personal Relationships）は，他者とのつながりの度合いであり，人とつながっているという気持ちからもたらされる内発的な価値やサポートを受けられる可能性を高めるものである．
• (2) 社会的ネットワーク・サポート（Social Network Support）は，個人的なネットワークを通じて個人が利用できる資源であり，得られるビジネスの斡旋や情報，精神的経済的な支援の厚さを指す．
• (3) 市民参加（Civic Engagement）は，市民生活やコミュニティ生活への貢献につながる諸活動への参加度合いである．
• (4) 信頼と協調の規範（Trust and Cooperative Norms）は，相互にとって有益な協力を可能とする信頼や社会的な基本，共有された価値観である．

社会関係資本の定量化は，主に市民に対するアンケートに基づいて行われている．要藤らによると[1]，内閣府[2]および日本総合研究所[14]による先行研究を踏まえ，表2に示す全12項目からなるアンケートを定義し，社会関係資本の指標(1)～(4)を測定している．

2.2　社会関係資本と飲食イベント参加者の挙動との関係に関する仮説

本稿が対象とする飲食イベントは一般に街バルと呼ばれ，2000年代以降に日本全国で行われている．呼び名の元であるスペインの飲食店“Bar”では，ピンチョスなどの軽食と酒類が提供され，来店者は飲食店を複数はしごしながら店主や他の客と会話を楽しむ文化がある．それにならい，来場者が特定の駅やその辺の商店街を中心に，比較的狭い範囲で複数のお店を回遊する地域活性化イベントして位置付けられている．

街バルでは，そのイベントでのみ利用できる定額の飲食クーポンを使うシステムを採用している．来場者の視点では，クーポンの範囲内で普段利用している飲食店とは異なる地元のお店を開拓できる，バルの期間に限っての特別なメニューやお得な飲食体験ができるといったメリットがある．一方，飲食店の立場では，同一の商店街として合同でイベントを企画することにより効率的に宣伝できる，口コミなどを通して通常は訪れない潜在顧客が来場するなどの効果が期待できる．すなわちゲストである来場者とホストである商店街の相互に利益をもたらす互助効果がある．

街バルには，地縁がある周辺の居住者のみならず，遠隔地からの通勤・通学者など様々な人々が来場する．そのため，来場者にも地域に対する感情や考え方に温度差があると考えられ，街バルでの行動を観察することで，来場者の有する社会関係資本の多寡を推測できると思われる．仮に社会関係資本の上位者を効率よく特定することができれば，対象のユーザ対してのみ次回イベントの開催を先行して案内する，もしくは特典クーポンを優先的に配布するなどの販促施策を行うことで，より効率的に地域活性化を図ることができるのではないかと考えられる．

そこで，バルイベントでの購買行動データから参加者の社会関係資本の多寡を推定する方策を検討する．

3.　国分寺地区における飲食イベント参加者履歴の分析

3.1　ぶんじバルの概要

ぶんじバルは国分寺駅北口の商店街が共同で開催する街バルイベントであり，2019年に第9回目を迎える．表3に最新の「ぶんじバル2019」の概要を示す．

ぶんじバル2019では，来場者のスマートフォンからアクセス可能な電子クーポンシステム[15]を導入している．図1に電子クーポンシステムの概念図を示す．参加者は，事業主（図中，“Marchant association”）に対して現金を払って電子クーポンを受け取る．この電子クーポンは「ぶんじバル2019」イベントに参加している地域店舗でのみ利用可能であり，商品券もしくは地域クーポン（Local Coupon）に分類される．

ぶんじバルに参加したユーザ数と，電子クーポンシステムの利用者数，および後述するアンケートへの回答者数の関係を表4に示す．紙クーポン・電子クーポンを問わず，ぶんじバル2019のチケットを購入したと推定されるユーザ数が約500名，電子クーポンを1回以上購入して利用したユーザが51名であった．うち，3.3節に述べる参加者アンケートへ回答いただいたユーザ数が24名，27名が未回答であった．

3.2　収集データ項目

電子クーポンシステムはモバイルウェブサイトを中心に構成されており，参加者はスマートフォンと電子メールアドレスがあればアプリのダウンロード等を行うことなく即日利用できる．また事業主は電子クーポンシステムを経由して参加者のバルイベントの利用状況を随時把握できる．表5に電子クーポンシステムで取得している代表的データを示す．

なお，今回の研究実施に用いた電子クーポンシステムでは，個人情報保護法[16]の観点から個人を特定できるキー情報としてユーザのメールアドレスを収集していた．収集したメールアドレスの使途は，サービスの利便性向上および研究目的でのユーザヒアリング用途に限定されており，メールアドレス自体は2019年10月末を以ってシステムから削除されている．2019年11月以降は，ユーザ許諾の元，匿名化されたユーザの購買履歴情報のみを研究用に利用している．

3.3　参加者アンケート

電子クーポン利用者51名を対象にウェブで事前および事後アンケートを実施した．アンケートの配布方法はメールおよびWebシステムによる．内，24名から有効な回答を得た．

アンケートの情報収集項目は，ユーザの属性情報として(i)性別，(ii)年齢層情報，(iii)居住地，(iv)勤務地に加え，イベントへの印象として(v)ぶんじバル2019イベントに関する満足度，(vi)イベント参加前の期待と参加後の良かった点，および(vii)表2記載の社会関係資本の調査である．表6に，アンケート項目の内容を示す．

アンケート項目(i)～(vi)から得られた回答者の属性と回答内容の分布を図2に示す．回答者の約8割が男性で年齢層は40歳代を中心に分布している．またアンケート回答者24名のうち18名（75%）が(iii)市外在住者かつ(iv)職場が国分寺市にある通勤者であった．

本アンケートで収集された情報のうち，個人情報保護法[16]の観点から個人を特定できるキー情報としてユーザのメールアドレスを収集していたが，メールアドレスは2019年10月を以ってシステムから削除されており，以降はユーザ許諾の元，匿名化されたユーザのアンケート回答情報のみを研究用に利用している．

3.4　社会関係資本の蓄積指標とクーポン利用履歴

表7に，街バル参加者（N=24）を対象としたアンケートで得られた社会関係資本指標のデータを示す．この分析結果データは，同一の質問項目でより広範囲に調査された先行研究[1]のデータと比べて，項目ごとの平均値が−1σ～+1σ内に包括されており，ほぼ同傾向の結果が出ている．本研究において取得された社会関係資本の指標値を，先行研究[1]の指標値と対比して図3に示す．

表8にクーポン利用履歴から得られる購買データのサマリを示す．ユーザの購買行動が端的に把握できるデータ項目として，(a)チャージ回数，(b)飲食メニュー注文回数，(c)バル期間中における回遊店舗数（重複除く），(d)コメントの記入回数，(e)イベントへの参加日数を利用する．

表8に示した購買データの有効数はN=24であり，表4ぶんじバル2019に関するユーザ数一覧に示した母集団のうち(3)参加者アンケートに回答したユーザの購買データのサマリを示している．しかし，(3)アンケートに回答したユーザ（n=24）と(4)回答しなかったユーザ（n=27）との間で購買行動傾向に差がある可能性があり，ユーザ群(3)と(4)の間に差がない，すなわち同一の母集団と見なせるという帰無仮説をおいてT検定を行った．(4)アンケートに回答しなかったユーザ群の購買データのサマリを表9に，ユーザ群(3)と(4)の購買データ間でのT検定結果を表10に示す．

(b)注文回数（P(T<=t)=0.056），(c)ショップ訪問数（P(T<=t)=0.0192）については，優位水準5%で集合の有意差がないという結果であるが，(a)チャージ数（P(T<=t)=0.025），(e)イベント参加日数（P(T<=t)=0.017）は優位水準1%で検定しないと同質とはみなせないという結果である．また(d)コメント数（P(T<=t)=0.001）についてはアンケート回答ユーザ(3)と非回答ユーザ(4)で全く特性が異なる可能性があり，今回の結果だけで街バル参加者全体の社会関係資本を正確に推定できるか断言はできないと言える．

4.　社会関係資本の指標推定

4.1　狙いと推定手法

社会関係資本の蓄積が大きいユーザ（以下，上位ユーザ）ほど，商店街など地域団体の活動に対して理解度が高いと期待される．そのため，上位ユーザ群に対して追加の特典イベントの招待や特典クーポンを配布することにより，効率的に地域活性化を図ることができると考えられる．本章では，「ぶんじバル2019」参加者を対象に，社会関係資本の各指標(1)～(4)の上位者33%（N=24人中約8人）を検出できる分別器を構成する．

分別器へ入力する説明変数の一覧を表11に示す．説明変数には，電子クーポンシステムの履歴から得られる表8に示す購買データ情報(a)～(e)に加え，ユーザ属性情報である年齢層情報（図2中(ii) Age group，10歳刻み），居住地（同(iii) Residence，市内・市外），勤務地（同(iv) Office location，市内・市外・不明）を用いる．年齢を加えるのは，先行研究[13]で，年齢と社会関係資本との関係性が指摘されているためである．また居住地および勤務地に関して，図2に示したように過半を占める市外居住・市内勤務の通勤者の存在が社会関係資本指標の推定に有効と考えた．

分別器の構築に用いたソフトウェアライブラリおよび開発言語，最適化パラメタの内容を表12に示す．分別器の構成には，オープンソースライブラリであるScikit-Learn^*1を用い，データ分析アルゴリズムとしてSVM（Support Vector Machine） [16]を，評価関数には非線形のガウシアンカーネル（RBF：Radius Basis Function）を用いる．最適化に用いるコストパラメタC，カーネルパラメタGammaについては表記載の範囲内で最適化を図るものとし，上位ユーザ数の過半数を正しく検出する範囲で誤判定を減らす方針とする．具体的には，再現率（Recall Rate：上位ユーザの数を母数として検出された上位ユーザ数の割合）を0.5以上とする範囲で，F値，すなわち再現率と適合率（Precision Rate：上位ユーザと判定されたデータのうち正しく予測できた割合）の調和平均の最大化を図る．

本推定器の性能評価手法として，k-交差検証（Cross Validation）を用いる．交差検証とは，教師あり学習手法においてデータセットをk個のグループに分割して，（k−1）個の学習データによる推定器のトレーニングと，1個のテストデータに対する推定とを繰り返しk回の結果を平均する方法である．特定の学習データの組み合わせへの依存を回避するために行われる．本評価においては，データセットサイズが小さいので，kを全標本にしたleave-one-out交差検証を行う．すなわち，有効なアンケート結果を有するユーザのクーポン購買データ全24件に対して，23件を教師データとしてSVM分別器の学習を行い，残りの1件に対して推定の成否および確度（Probability）を出力する．学習データとテストデータの組み合わせを変えながら合計24回の推定を行う．

4.2　評価結果

表13に，社会関係資本の上位グループの検出結果を示す．社会関係資本の「指標(1)：個人的ネットワーク」に関して，再現率が0.67，適合率が0.75，F値0.71となり，4つの中で最も正しく上位ユーザのグループを推定できた．他の指標についてはSC(2)，(4)，(3)の順にF値が高く，上位ユーザの過半を検出する分別器を構成できる可能性を示した．

なお，本分別器による下位ユーザの検出能力を示す特異度（Specificity）は，SC(2)について0.5以下となり，下位ユーザについては精度よく検出できないことが分かった．

4.3　考察

SVMによる分別器の入力パラメタと，社会関係資本の指標SC(1)～(4)の相関行列を表14に示す．各パラメタの内，ユーザの年齢層と社会関係資本の指標「SC(3)：市民参加」との間にのみ，5%の有意水準で無相関が棄却された．

図4にユーザの年齢層情報と「SC(3)：市民参加」との関連を示す．既存研究[1], [13]においても年齢層が上がるにつれも本指標の数値が高まることが知られており^*2，今回の場合も同様に年齢層が高いユーザのほうが街バル等の地域イベントに積極的に参加しているものと考えられる．

他の測定パラメタと社会関係資本との有意な相関は認められず，社会関係資本の指標SC(1)～(4)を定量的な関連を見出すことはできなかった．これは電子クーポンの利用者のうち，社会関係資本指標を捕捉するためのアンケートへ回答した人数が少なかったこと，回答者のほとんど（24人中18人）が国分寺市への通勤者で地域外在住者であること，などが理由として考えられる．

2.2節に述べた当初仮説では，社会関係資本の蓄積が高い上位ユーザを特定し，優先的な販促を行うことで効率的な地域活性化が図れるのではないかと考えた．本仮説が成り立つためには，アンケートおよびSVMによる分別器で特定されたユーザが街バルイベントにおいて比較的多数の購買を行っていなければならない．そこで全ユーザ（N=24），アンケートで特定された社会関係資本蓄積が上位ユーザ（n=8～10），SVM判別器で推定された上位ユーザ（n=4～22）のそれぞれについて，直接的な購買情報である(b)の平均と標準偏差を表15に示す．全ユーザの平均の注文数(b)が5.3回であるのに対して，SC(1)，(3)，(4)の指標上位者については5.7～8.2であり，多数の注文を行うユーザを抽出できていると言える．

ユーザ個別の社会関係資本の指標推定値SC(1)～(4)と(b)注文数の関係を図5～8に示す．各図において，横軸に(b)注文回数を，縦軸にアンケートベースで特定された社会関係資本の指標を取った散布図であり，SVMでの推定結果は凡例中のアイコンで区分している．

図5において，アンケートおよびSVMで特定された上位ユーザは平均でみると注文回数(b)が比較的大きく（全ユーザの平均5.3回に対し6.5回），街バル等のイベント主催者にとって売り上げが見込めるユーザを抽出できる可能性が示唆された．注文回数(b)から直接推定される，売り上げが大きい上位ユーザは計8名であるが（図5中(b)>=6の破線内），アンケートによるSC(1)指標上位者（n=9），SVMを介して得られた上位者（n=8）のいずれとも一致率が50%（8ユーザ中4名）であった．

図6に，社会関係資本指標SC(2)に基づくユーザ区分と(b)注文回数の関係を示す．表15に示したように，全ユーザの注文回数の平均5.3回に対して，SC(2)上位のユーザを抽出した場合においてアンケートベースでもSVMを介した場合でも平均回数が4.9と小さくなっていることが分かる．図6の散布図の形状から見ても，社会関係資本指標のSC(2)の多寡と注文回数との相関を見出すのは難しく，SC(2)に関しては当初仮説であった期待される購買回数が多いユーザの抽出には向かない可能性がある．

図7に社会関係資本指標SC(3)と，図8に社会関係資本指標SC(4)と(b)注文回数とを，それぞれ散布図として図示したが，それぞれSVMによる推定された上位ユーザの平均的な(b)注文回数が8.2回，6.5回と全体の平均値よりも大きい．

5.　実践で得られた知見

社会関係資本の指標と電子的なクーポンシステムの購買情報およびユーザアカウント情報の相関分析および回帰分析を行い，限られた範囲であるが関係性を導出できた．非線形の評価関数を用いたSVMによる分別器を適用することで，社会関係資本の上位ユーザの半数以上を推定できた．特に社会関係資本の「指標(1)：個人的ネットワーク」については再現率0.67，適合率0.75と高い精度で抽出できた．この知見を活用することで，調査負荷の高いアンケートに依らず社会関係資本の蓄積度合いを推定でき，街づくり計画や地域活性化施策の立案に向けた基礎情報の収集に応用できる可能性が示された．

今回評価対象とした地域活性化イベントは1週間限定の街バルイベントであり，参加ユーザ数および購買データのいずれも限定的であった．また2020年初頭からのコロナ禍の影響で，複数回の街バルイベントを通じた集客状況の変化やユーザのリピート率などの情報が取れておらず，当初仮説とした社会関係資本の蓄積度合いの推定により地域イベントにおける販売促進の効果を測定するまでには至っていない．

地域活性化の観点から，本手法の経済効果を評価するために，更に継続的な測定と収集データの拡充が必要である．また各地で流通している電子地域通貨[18]など，常設型の電子決済システムを対象に本研究の手法を適用することで，本研究手法の汎用化や，新たな関連性の発見ができる可能性がある．

6.　おわりに

調査負荷の高いアンケートに代わる手法として，地域限定クーポンの利用履歴を入力データとするSVMを用いた分別器を提案した．推定対象とする社会関係資本の指標によって強弱があるものの，上位ユーザを再現率および適合率に基づいて効率的に推定する分別器を構築でき新たな社会関係資本の指標推定方法の可能性を示した．

なお，本稿で提案の社会関係資本の多寡推定方法は十分なデータ数に基づいておらず，汎用性に課題がある．また，現時点で得られた結果では精度は必ずしも十分ではなく，社会関係資本指標の推定の可能性を示したものであり，追加のデータ収集による更なる分析が必要である．今後，多くのイベントでの調査によりデータ数を増やしてモデルの信頼性を上げていく必要がある．